小编Tho*_*aci的帖子

您好，我正在尝试使用 Medpy 以及最新的 keras 和 tensorflow 库来计算平均表面距离（asd）。感谢这方面的任何帮助。这是我的代码和错误：

from medpy import metric as M

asd=M.binary.asd(tf.cast(y_pred, np.float32),tf.cast(y_true, np.float32),voxelspacing=None,connectivity=1)

错误：

文件“/home/rak038/Segmentation/U-net/noGPU/noGPU/lib/python3.7/site-packages/medpy/metric/binary.py”，第 1200 行，在 __surface_distances 中

result = numpy.atleast_1d(result.astype(numpy.bool))

AttributeError：“张量”对象没有属性“astype”

所以我有一个预测输出功率的 GRU 模型。对于训练数据，我有一个 csv 文件，其中包含 2018 年的数据，而对于我的测试数据，它是另一个 csv 文件，其中包含 2019 年的数据。

我只需要简短地提问。

1. 由于我使用 2 个不同的 csv 文件，一个用于测试，一个用于训练，所以我不需要train_test_split？

2. 说到model.fit，我真的不知道 Validation_data和 之间的区别Validation_split，我应该使用哪个？

我已经分别测试了这 3 行，第二行和第三行给出了相同的精确结果，而第一行给出的结果要低得多 val_loss。

谢谢。

history=model.fit(X_train, y_train, batch_size=256, epochs=25, validation_split=0.1, verbose=1, callbacks=[TensorBoardColabCallback(tbc)])  
history=model.fit(X_train, y_train, batch_size=256, epochs=25, validation_data=(X_test, y_test), verbose=1, callbacks=[TensorBoardColabCallback(tbc)])
history=model.fit(X_train, y_train, batch_size=256, epochs=25, validation_data=(X_test, y_test), validation_split=0.1, verbose=1, callbacks=[TensorBoardColabCallback(tbc)])